AIインフルエンサーを自然に作る方法：5モデルを比較

👁 120閲覧数

典型的なAIインフルエンサーは、なめらかな顔に夕焼けの光、背景にはネオンがあり、ひと目で人工的だと分かります。ローカルで動くモデルを使って、こうした見た目を避けられるか試しました。まったく異なる5人のキャラクターを考え、それぞれを5つのモデルで2種類ずつ生成。RTX 4090で合計125枚の画像を作りました。分かったのは、「realistic」「8k」のような単語を並べるより、人や場所を具体的に描写するほうが効果的だということです。最もスマートフォンで撮ったような画像を作ったのはFLUX.2 Klein 4B、プロンプトの内容を最も安定して反映したのはQwen-Image 2.1でした。

AIらしい画像と普通の人の写真を同じ人物で比較

まず、いわゆる「AIスロップ」がどのように生まれるかを見てみます。上段は、ガイド記事などでよく見かけるプロンプトです。「山の中の美しいハイキングインフルエンサーの女性、完璧な顔、欠点のない肌、壮大な景色、映画のような照明、8k、超精細、傑作」。下段は、ザコパネの同じ山岳ガイドを具体的に描写したプロンプトです。モデル、シード、解像度は同じです。

「美しい……8k」というプロンプトでは、どのモデルも同じような結果になりました。黄金色の光、山頂を背景にした映画のようなシルエット、またはカタログのモデルのような顔です。Z-Imageは「山にいる女性」を、タンクトップ姿で自撮りするモデルに変えてしまいました。下段は、実際に誰かが登山のあとに投稿しそうな写真です。風に吹かれ、頬が赤くなり、霧がかかっています。

定型的なプロンプトでは、Z-Imageはグダニスク出身のカシアをアジア人女性にしました。人物について説明しなければ、モデルがデフォルトの容姿を当てはめることがあります。

AIっぽさを抑えるプロンプトの書き方

125枚を生成して分かった、5モデルすべてで効果があった6つのルールです。

1. 「美しい女性」ではなく、名前、年齢、職業を書く。「34歳のアマチュアランナー」と「20代の美しい女性」では、異なる顔が生成されます。
2. 普通の外見の特徴を2～3個入れる。そばかす、少し曲がった鼻、歯の隙間、ニキビ跡、チェーン付きの眼鏡などです。モデルはこうした特徴を実際に描きます。
3. 生活感のある実在の場所を指定する。「ヴロツワフの賃貸キッチン。汚れた食器と後ろに電気ケトル」なら、「高級なキッチン」より効果的です。背景の散らかりは、「リアル」という単語より人工的な印象を抑えます。
4. 誰が撮影するかを書く。「スマートフォンの前面カメラで自撮り」「孫が数メートル離れて撮影」などと指定すれば、構図や遠近感、わずかな不完全さが変わります。
5. ありふれた光を指定する。曇り空、天井照明、モニターの光などです。黄金色の時間帯や「映画のような照明」は、AIらしさの分かりやすいサインです。
6. 「8k」「傑作」「完璧」「欠点のない」は避ける。こうした単語は、モデルを広告のような表現や、なめらかな肌に寄せます。

3回目の生成では、「自然で誇張のない肌の質感」「モデルではなく普通の人」「スマートフォンらしい軽いHDR」という説明も加えました。予想したほどの変化はありませんでした。Qwenではほとんど違いがなく、FLUX.2 Kleinではフレーム内に偶然現れる顔が少し減りました。作業の90%は、人物と場所を具体的に描写することで決まります。

そのまま使えるプロンプトのテンプレート

以下は、1人のキャラクターに使ったプロンプトの日本語訳です。名前、年齢、特徴、場所、状況を入れ替えてください。実際のテストでは英語のプロンプトを使用しました。この日本語訳で再テストしたわけではありません。

ハリナの写真。62歳のポーランド人女性で、あごまでの長さのグレーのボブヘア、ビーズのチェーンにつないだ読書用メガネ、笑いじわがあり、手にはシミがある。ウッチの市民農園で、少しぎこちない低いアングルの自撮りをしている。日差しに目を細め、麦わら帽子と色あせた花柄のエプロンを身につけている。後ろにはトマトの株、さびたじょうろ、木造の小屋が見える。スマートフォンの前面カメラで撮影。加工していないスマートフォン写真。毛穴や小さな不完全さのある自然な肌の質感。誇張しない。美容フィルターなし、メイクの輝きなし。モデルではなく、実在する普通の人に見える。実用的な普段着で、露出の多い服は着ていない。少し不完全な構図、スマートフォンらしい軽いHDRとJPEGの柔らかさがあり、実際のInstagram投稿のような写真。解剖学的に正確に描写し、人物1人につき頭は1つ。

5つのモデルすべてで最もよく理解されたのは英語のプロンプトだったため、英語で入力しています。ブジェジノ、モルスキェ・オコ、ウッチといったポーランドの地名も残していますが、モデルはこれらの地名を認識します。

ギャラリー：5人のキャラクターを5モデルで比較

各ギャラリーでは、上段が自撮り、下段が他の人に撮影してもらった「行動中」の写真です。列は、下の表と同じ順番でモデルを並べています。

カシア、34歳、グダニスクの海辺を走るランナー

アマラ、27歳、ヴロツワフで料理を作る

ハリナ、62歳、ウッチの市民農園

メイ、29歳、クラクフでガジェットをレビュー

ゾフィア、24歳、タトラ山脈の山岳ガイド

特に良かった画像

AIインフルエンサーの画像生成におすすめのモデル

私のおすすめは、AIインフルエンサーを収益化するならFLUX.2 Klein 4Bです。Apache 2.0ライセンスで、最も自然な画像を生成しました。テストや下書きには、プロンプトに最も忠実だったQwen-Image 2.1が向いています。

RTX 4090での生成時間とメモリ使用量

これらは最初のラウンドで、各モデルにつき10枚を生成したときの時間です。プロンプトごとにテキストエンコーダーを再読み込みする時間も含みます（ComfyUIは--disable-smart-memoryを指定して起動）。同じプロンプトを繰り返し使う場合、モデルはより速く動きます。別のテストでは、Qwen Turboの画像生成は1枚あたり3～4秒でした。

複数の画像で同じ顔を保つ方法

今回のテストでは画像を1枚ずつ別々に生成したため、異なるモデルで作ったカシアの顔はそれぞれ異なります。同じ人物のプロフィールを運用するには、20～30枚の画像で同じ顔を保つ必要があります。方法は次のとおりです。

1. 基準にするポートレートを1枚生成します。
2. 編集機能のあるモデルに、その画像を参照画像として入力し、新しい場所と状況だけを説明します（FLUX 3 Kleinは参照画像を最大10枚受け付け、Qwen-Image 2.1も参照画像に対応）。
3. 長期的にプロフィールを運用するなら、特に良い画像20～30枚を使ってLoRAを学習させます。FLUX.2 Klein BaseとFLUX 3 Klein Baseは、この用途に対応しています。

FLUX 3 Kleinで参照画像を使って編集する方法は、FLUX 3 Image Kleinのローカルテストで紹介しました。同じQwenシリーズの高速モデルについては、Qwen-Image 2.1 Turboのテストをご覧ください。

AI生成の表示と誠実さ

• 架空の人物を作ることと、実在する人物になりすますことは別です。本人の許可なく著名人や知人の顔を生成しないでください。
• AI Act（第50条）は、誤解を招く可能性があるAI生成コンテンツの表示を義務付けています。InstagramにはAI生成であることを示すラベルがあります。
• 実在する人のように見せかけたAIインフルエンサーのアカウントで商品を販売すると、消費者を誤解させることになりかねません。プロフィール説明に明確な表示を加えましょう。

自分で試す方法

1. ComfyUI 0.41をインストールします。手順はComfyUI入門をご覧ください。
2. FLUX.2 Klein 4B（Apache 2.0）か、表にある別のモデルをダウンロードします。各モデルのファイル一覧は新しいローカルAIモデルにあります。
3. Instagram投稿向けの4:5（1024×1280）に設定します。
4. プロンプトのテンプレートを貼り付け、キャラクターの情報を入れ替えます。シードごとに3～4パターンを生成して選びましょう。優れたモデルでも、10枚に1枚は間違いが起こります。

よくある質問

無料でAIインフルエンサーを作れますか？

自分のグラフィックカードを使い、ローカルで生成できます。テストしたモデルはすべて無料でダウンロードでき、FLUX.2 Klein 4BとZ-Image Turboは商用利用も可能です。VRAMが12～24 GBのNVIDIA製グラフィックカードとComfyUIが必要です。

AIインフルエンサーの画像が不自然になるのはなぜですか？

多くの場合、「美しい」「完璧な肌」「8k」「映画のような」といった単語や、夕焼けの時間帯を指定することが原因です。年齢や普通の外見の特徴、生活感のある実在の場所、撮影者についての説明に置き換えてみてください。

人物のリアルな画像生成に最適なモデルはどれですか？

私のテストでは、最も自然なスマートフォン写真を作ったのはFLUX.2 Klein 4B、プロンプトに最も忠実だったのはQwen-Image 2.1でした。FLUX 3 Kleinは肌の質感を最も強く表現しましたが、強調しすぎることもありました。

Qwenで作ったAIインフルエンサーを収益化できますか？

Alibabaの許可なしではできません。Qwen-Image 2.1とTurboのライセンスはQwen Researchで、研究やテストのみが対象です。

電気代はどれくらいかかりますか？

画像1枚あたりのカード稼働時間が7～20秒なら、1枚ごとの電気代はごくわずかです。自分のグラフィックカードを使った場合の正確な計算は、ローカルモデルとAPIの比較で紹介しています。

出典

• Hugging FaceのFLUX.2 Klein 4B（Apache 2.0ライセンス）
• Hugging FaceのZ-Image Turbo（Apache 2.0ライセンス）
• Hugging FaceのQwen-Image 2.1 Turbo（Qwen Researchライセンス）
• Hugging FaceのFLUX 3 Image Klein
• RTX 4090での独自テスト、2026年10月17日：3ラウンドで125枚を生成。

// 続きを読むSunoで音楽を作るには：費用と制作の流れベンチマークSora終了後の選び方：動画制作の代替手順ベンチマークNano Bananaとは：画像生成と編集の進め方ベンチマーク